PendekatanMultivariate Adaptive Regression Spline Pada Tingkat Keparahan Korban Kecelakaan Lalu Lintas di Kabupaten Pati

Abstract

Kecelakaan lalu lintas merupakan salah satu permasalahan kegiatan
transportasi serta dampak yang terjadi adanya mobilitas transportasi.
Keseimbangan antara pengemudi, kemajuan teknologi kendaraan dan
penyediaan prasarana lalu lintas merupakan tiga penentu mobilitas
transportasi, jika salah satu unsur tertinggal maka terjadi kesenjangan
yang menjurus terjadinya kecelakaan. Kecelakaan lalu lintas di
Indonesia menjadi pembunuh terbesar ketiga setelah penyakit jantung
koroner dan tuberculosis, selain itu kecelakaan lalu lintas menjadi
penyebab utama kematian anak di dunia dengan rata-rata angka
kematian 1000 anak dan remaja setiap harinya pada rentang usia 10–
24 tahun dan dipastikan jumlah korban kecelakaan akan terus
bertambah menjadi 1,8 juta manusia ditahun 2020 mendatang oleh
karena itu, masalah tingkat keparahan korban kecelakaan perlu
mendapatkan perhatian serius untuk mengantisipasi jatuhnya korban
meninggal dunia pada kecelakaan lalu lintas. Pada penelitian ini
dilakukan pengklasifikasian untuk mengetahui dan mengelompokan
faktor-faktor yang paling berpengaruh terhadap tingkat keparahan
korban kecelakaan lalu lintas dengan menggunakan metode
Multivariate Adaptive Regression Spline (MARS). Variabel dependen
yang digunakan adalah tingkat keparahan korban kecelakaan lalu
lintas yang dibagi menjadi empat kategori yaitu meninggal dunia, luka
berat, luka ringan dan tidak luka sedangkan variabel independennya
terdiri dari 11 variabel. Hasil analisis Model MARS terbaik dilakukan
dengan kombinasi secara Trial and error untuk klasifikasi kejadian
tingkat keparahan kecelakaan didapatkan Fungsi Basis (BF)=33,
maksimum interaksi (MI)=3, dan minimum observasi (MO)=0 dengan
nilai Generalized Cross Validation (GCV) minimum 0,61608. Setelah
dilakukan klasifikasi didapatkan hasil bahwa dari 11 variabel
independen, terdapat tujuh variabel yang paling berpengaruh
terhadap model yaitu variabel peran korban (X7), jenis kecelakan (X6),
usia (X2), jenis kendaraan (X4), tanggal kejadian (X10), pendidikan
(X5), jenis pekerjaan (X3) dengan nilai akurasi 74,2 %.